0 引 言
随着我国煤矿作业规模日渐扩大，煤矿粉尘安全隐患和职业健康问题愈加严重[1]。煤矿粉尘是由煤炭开采的过程中产生的各种微粒组成，受微粒形状、大小、质量以及矿井内风速、湿度等多方面的影响，一部分会在矿井中形成浮尘，当直径小于5 μm的呼吸性粉尘被人体吸入后，会沉积在吸入者的肺部，对其身体造成很大的危害[2]。另外，煤矿粉尘在特定的条件下能够燃烧并发生爆炸，对矿井具有很强的危害性。作业工人长时间在粉尘浓度较高的环境下作业，会吸入大量的粉尘，轻者造成呼吸道发炎，严重的会患上尘肺病。据国家卫生和计划生育委员会的职业病报告显示，2010—2016年我国职业病病例每年新增近3万人次，其中90%为尘肺病患者，且有超过1/2患者在煤矿行业工作，煤矿粉尘职业病危害防控形势非常严峻。
为加强煤矿作业环境职业病危害防治工作，国家安全生产监督管理总局出台的《煤矿工作场所职业病危害防治规定》已于2015年4月1日起施行，最新颁布的《国家职业病防治规划(2016—2020年)》及《“健康中国2030”规划纲要》也明确提出，以职业性尘肺病为重点，建立完善职业病危害因素监测机制[3]。目前，我国煤矿粉尘防治一方面采用煤层注水、回采和掘进工作面喷雾等综合防降尘措施，另一方面采用人工抽检的方式对煤矿粉尘浓度进行检验检测，以达到监管目的[4]。现场人工参与的抽检存在数据失实、覆盖面窄、检测周期长、不能连续监测等一系列问题，传统的煤矿粉尘检测、防治技术并不能完全有效地对煤矿粉尘职业病危害进行预防预测。因此，以人工抽检为主的煤矿粉尘检测方式亟待改革升级。
近年来，随着物联网与粉尘分离技术的快速发展，基于物联网的煤矿粉尘浓度检测技术和监测装备逐渐出现[5]。美国赛默飞舍尔集团研发了应用于煤矿个人呼吸性粉尘监测装置PDM3700，其代表了美国相关领域近10年的研究成果，美国联邦矿业安全与健康监察局MSHA认可其有效性和强制遵守采样，授权其从2016年2月1日起开始使用。作业工人穿戴着赛默飞舍尔监控装置在井下作业，当监控装置感知粉尘浓度达到危险水平时立刻报警，作业人员可以马上移动到一个没有灰尘地方或采取降尘措施。王杰等[6]提出中煤科工集团重庆研究院有限公司采用曲面响应法(Response surface methodology，RSM)成功研制出了满足BMRC曲线分离标准的旋风分离器和GCD1000感应式粉尘浓度传感器。煤矿粉尘检测装置为粉尘实时数据采集与监控提供了重要的技术途径。在此基础上，如何有效连续采集粉尘浓度状态，并对分布式采集的粉尘数据进行管理与应用，已成为煤矿粉尘防治关注的焦点。
笔者引入物联网与云计算技术，在很多学者对煤矿粉尘职业危害监测系统的研究基础上[7-10]，提出一种煤矿粉尘监测云服务模式，并实现了基于物联网的煤矿粉尘监测云服务平台，平台通过对煤矿粉尘尤其是呼吸性粉尘的在线连续监测与管理，能够提高各级部门的监管力度，并引起企业的重视，持续跟踪煤矿从业人员接尘状况，做到提早预防尘肺病的发生，从而促进现阶段尘肺病以治疗为主向以预防为主的转变，降低尘肺病的发病率，具有显著的社会效益。
1 煤矿粉尘监测云服务平台架构设计
1.1 设计目标
基于物联网的煤矿粉尘监测云服务平台充分利用物联网、云计算的技术优势，引入云服务的运营模式，解决传统煤矿粉尘职业病危害监测存在的服务周期短、模式单一问题，实现由“提供检测装备”向“提供数据服务”的革新，变革传统的单一卖装备向“装备+数据服务”的集成化模式转变，提升整个煤矿粉尘职业病危害监管服务水平。
1.2 煤矿粉尘监测云服务模式
针对现有煤矿粉尘职业病危害检测因人为抽检导致的数据不实、周期长、覆盖面窄等问题，引入以呼吸性粉尘为主的煤矿职业病危害在线监测技术和云服务模式，建立一套煤矿粉尘监测云服务模式，有利于提升煤矿粉尘职业病危害监测专业化服务水平和监管水平，推进煤矿粉尘职业病危害监测的市场化运营，培育职业病危害监测服务产业。煤矿粉尘监测云服务平台的业务运营和商业服务模式如图1所示。
图1 煤矿粉尘监测云服务模式
Fig.1 Cloud service mode of mine dust monitoring
粉尘检测采用个体携带采样器、固定式传感器采样等多种方式，连续监测煤矿粉尘浓度；采集的粉尘浓度数据集中上传至构建的煤矿粉尘监测云服务平台；平台对数据进行处理分析，以系统应用的方式为用户提供服务，运营公司负责整个平台的建设和运营；服务对象包括行业多级监管部门、企业、作业工人和检验检测机构。
通过建设煤矿粉尘监测云服务平台，将传统的职业病危害监测数据服务外包给运营公司，形成职业病危害监测监管产业链多方(企业、监管部门、作业工人、运营公司)共赢的商业模式。
1.3 煤矿粉尘监测云服务平台整体架构
煤矿粉尘监测云服务平台采用标准的物联网3层体系结构，由感知层(数据采集)、网络层(数据传输)、应用层(业务系统平台)组成[11-12]。平台针对不同级别的管理账户提供分层次的监控服务，形成检验检测机构跟踪服务、责任单位短信通知预警以及个人累积接尘量超限预警的监管模式，实现在线、实时、连续的煤矿粉尘监测。通过对历史数据进行挖掘，并根据危害程度分级标准评估和预测工人患病风险，能有效降低职业病患病概率，提高煤矿作业环境职业病危害防护管理水平。煤矿粉尘监测云服务平台拓扑结构如图2所示。
图2 煤矿粉尘监测云服务平台拓扑结构
Fig.2 Topology structure of mine dust monitoring cloud service platform
平台通过在煤矿监控点放置煤矿粉尘传感器，实时采集煤矿粉尘浓度，经矿井工业网络将信息传输至地面系统，地面系统通过有线网络和无线网络(如北斗导航系统、GPRS等)将实时采集的煤矿多点粉尘浓度信息传输至煤矿粉尘大数据中心，构建扁平化的多级煤矿粉尘监测云服务应用系统。平台采用中断预警的工作方式，当监控点粉尘浓度超限时将立即向地面监控系统报告。通过应用系统，多级政府监管部门、企业、作业工人可实时监控煤矿作业粉尘浓度，并为决策提供支撑。当出现粉尘浓度超限预警时，管理人员可通过平台应用系统对超限区域进行除尘操作，保障作业工人的安全生产环境。
2 煤矿粉尘监测云服务平台功能设计
煤矿粉尘监测云服务平台根据对矿井粉尘浓度的监测、职业病危害档案的管理和预警业务需求进行设计，分为数据采集、数据中心和应用服务3个部分。数据采集包括个体呼吸性粉尘浓度和定点环境粉尘浓度采集、多源异构尘肺病基础信息采集等；数据中心部分包括多方式可靠网络传输、职业病危害数据整合、分类数据库、数据交换与共享等；应用系统功能包括在线监测、扁平化监管、尘肺病预警、职业病危害档案管理等。平台的主要业务功能如图3所示。
2.1 煤矿粉尘数据采集系统
煤矿粉尘数据采集系统为平台提供可靠数据源，是由矿井下粉尘浓度传感器和无线网络节点组成，借助矿用无线通信系统[13-14]的网络结构方案的灵活部署和移动性功能，扩大了煤矿井下的覆盖范围，其功能是采集煤矿井下呼吸性粉尘和总粉尘浓度、作业工人和移动设备等信息，并将采集到的传感数据通过有线和无线传输方式实时传送至上层煤矿粉尘大数据中心。数据采集系统结构如图4所示。
图3 煤矿粉尘监测云服务平台业务功能
Fig.3 Business functions of coal mine dust monitoring cloud service platform
图4 数据采集系统结构
Fig.4 Structure of data acquisition system
矿井下各种传感器按照功能可以划分为：
1)呼吸性粉尘浓度传感器：用以监测呼吸性粉尘浓度，呼吸性粉尘为空气动力学直径小于 7.07 μm、可到达呼吸道深部和肺泡区的粉尘颗粒，是造成尘肺病的主要因素。
2)总粉尘浓度传感器：矿井下总粉尘浓度的连续监测，用以监测矿井的粉尘状况。
3)高清摄像头：辅助监控矿井扬尘状况以及煤矿作业环境中电源、水房、消防通道等关键位置。
4)定位传感器：跟踪作业工人在井下的活动轨迹，匹配作业工人所在区域的粉尘浓度。
粉尘浓度传感器的布置位置主要分布于采煤工作面、掘进工作面、转载点和主要硐室[15-16]。根据工作面大小和巷道长度设置采集点的数量。
2.2 煤矿粉尘大数据中心
煤矿粉尘大数据中心通过数据传输系统来保证传感器数据的可靠性，但目前煤矿井下多采用有线连接方式进行通信，线路仅敷设在主要大巷，导致在矿井下存在许多盲区；由于煤矿作业面需要经常进行爆破采掘，再加上井下环境长期处于潮湿、高温、震动等不稳定因素中，仅采用有线方式不足以满足实时在线监测的要求。无线传输网络能够覆盖矿井下所有区域，安装配置灵活且能够进行自我修复，但其作用范围有限，远距离传输难以实现[17]。笔者结合有线传输和无线传输的优点，进行整个监测平台的网络敷设，实现井下全覆盖，提高传输系统效率，系统结构如图5所示。
图5 数据传输系统结构
Fig.5 Data transmission system structure
数据中心采用开放和面向服务架构(SOA, Service-Oriented Architecture)标准，提供优化快速的数据传输机制，对海量的粉尘数据进行高度并行处理，通过构建统一的粉尘基础数据库，包含企业信息、作业工人职业档案信息、综合监管信息、粉尘浓度历史信息、决策支持信息、空间地理信息等数据库，可存储并处理各业务子系统的分类数据。基础数据库的建立参照作业场所职业危害监管信息系统基础数据结构的标准[18]进行设计，粉尘监测基础数据中主要的动态数据项见表1。数据中心架构如图6所示。
表1 粉尘监测基础数据
Table 1 Basic datas for dust monitoring
名称数据格式和标准数据阈值单位PM10环境空气质量标准≤65μg/m3PM2.5环境空气质量标准≤10正常μg/m3总尘浓度GBZ T 192.1-2007≤4mg/m3游离SiO2 GBZ2.1-2007SiO2≤10%%噪声GB 12348-1990≤60+10dB风速JB T 11258-20110～10m/s风向JB T 11258-20110～360°温度CGPM协议-20～40℃湿度GB 11605-198920～60%rh
图6 数据中心架构
Fig.6 Architecture of data center
1)业务数据由动态数据和静态数据组成：动态数据包括作业环境粉尘浓度，作业场所工人位置及时间信息，作业场所风速、温湿度等环境参数信息等； 静态数据包括企业信息、作业工人基本信息、监测点参数信息等。
2)系统数据包括系统日志、系统配置项、多级用户权限管理等。
3)数据服务通过全文检索、数据查询、数据显示、统计报表和信息发布等展现给用户。
4)数据管理通过系统管理完成对数据的安全访问控制、备份恢复和数据维护等管理操作，并采用隐私保护策略及算法保证云平台数据的安全[19]。
5)数据采集及处理部分采用软件滤波的方法对采集的数据进行抗干扰处理，降低与真实值的误差；数据压缩与数据融合算法的加入，能够在井下环境复杂、节点资源受限的情况下，降低节点能耗与通信流量，同时减少信息的冗余度，提高采集信息的可靠性与高效性。
2.3 煤矿粉尘在线监测应用系统
2.3.1 煤矿粉尘在线监测数据共享
煤矿粉尘在线监测数据共享子系统是一个开放式的数据应用开发平台，采用互联网租户方式的接入模式，实现对多种数据源的数据进行统一载入、分类、处理以及存储，通过API库方式对外提供数据订阅和应用接入服务，同时对接入流程进行全程管理和支持，统一并简化了应用系统的开发模式。
数据共享子系统基于实时采集的煤矿粉尘数据，主要是对各接口信令数据的聚集处理，面向企业、检验检测机构各接口信令及相关数据的聚集，形成数据集市，实现数据共享，提供职业病危害监测数据共享服务，同时实现统一的应用门户，帮助企业和检验检测机构实时方便快捷监控职业病危害信息，数据共享方案如图7所示。
图7 数据共享方案
Fig.7 Method of data sharing
2.3.2 多级部门扁平化监管
面向多级行业监管部门，平台提供业务功能多级部署，实现扁平化的管理。通过统一门户，形成职业病危害预测预警产业链多方(国家监管部门、地方监管部门、企业和作业工人)共同监管的管理模式，可实时监管企业职业病危害情况，其拓扑结构如图8所示。
图8 扁平化监管拓扑
Fig.8 Topology structure of delayering supervision
煤矿粉尘监测应用系统采用扁平化监管模式，打破了常规软件架构根据行政划分的设计思路，以服务集中的方式进行设计，将全国范围的煤矿粉尘监测集中管理，并向各级行政单位及企业提供其负责区域内的相关应用服务。系统角色与权限分为：
1)平台管理员。拥有平台所有权限，可以管理其他角色与用户。
2)国家监管部门。平台管理员创建，可查看平台覆盖范围内所有监测点的数据，可查看所有地区和煤矿企业信息以及联系人，可处理全国范围的工单。
3)地方监管部门。平台管理员创建，可查看本地区范围内所有监测点的数据，可查看本地区范围内的所有煤矿企业、煤矿信息以及联系人，可处理本地区范围内的工单。
4)企业。平台管理员创建，可查看本企业关联的所有监测点数据，可修改企业和作业地信息以及联系人，可处理本企业范围内的工单。
5)检验检测机构。检测数据录入、职业病危害上报功能。
6)作业工人。可查看个人接尘数据以及职工档案信息。
2.3.3 煤矿粉尘在线监测预警
在线监测预警子系统通过对煤矿粉尘数据的实时处理，并进行可视化展现，为各级监管部门提供决策支撑。包含监测点的运行概况，监测点粉尘概况，实时的浓度超限报警及设备报警展示，监测点动态实时粉尘浓度，监测点粉尘浓度实时排行，监测点粉尘浓度趋势图，以及告警信息的处理状态。通过移动地图实时展示单个点的详细信息，并且可以打开监控摄像头查看某个监测点的实时视频画面。
2.3.4 煤矿粉尘职业病危害档案管理
面向煤矿作业工人和企业，系统提供个人职业健康档案服务，针对作业工人的工作生命周期，企业和作业工人均可实时查看历史监控档案，可分析工人累计接尘状况，提前预警作业工人的健康状况[20]。
3 煤矿粉尘在线监测系统实现
基于煤矿粉尘监测云服务模式，煤矿粉尘在线监测系统采用Hadoop分布式框架，为了提高系统可用性、扩展性以及运行效率，采用B/S的技术架构进行系统开发。Web前端采用HTML、JavaScript、jQuery和Ajax等技术；服务器后端开发技术为SpringMVC、Hibernate和分布式服务框架Dubbo等，整合使用以上技术可以为本系统在应用规模不断扩大的情况下，提供性能横向扩展的能力；数据库选择HBase进行粉尘数据的管理和存储。系统在Eclipse平台下开发，用户访问通过浏览器进行。结合分层架构思想和MVC设计模式，煤矿粉尘在线监测系统可分为表现层、控制层、业务逻辑层和数据访问层4层，如图9所示。
图9 煤矿粉尘在线监测系统技术架构
Fig.9 System technology architecture of dust on-line monitoring in coal mine
1)表现层。采用JSP(JavaServer Pages)技术动态生成Web前端的响应页面，整合HTML和CSS技术对网页进行排版布局，并结合JavaScript和Ajax技术进行页面的异步更新操作。
2)控制层。将Web请求封装成数据对象，并将该对象传递至业务逻辑层进行处理，Web服务器对发来的事务请求进行处理，处理结果以JSON(JavaScript Object Notation)格式返回到浏览器，供用户查看。
3)业务逻辑层。通过面向接口编程，针对具体问题自动创建对象进行操作，负责逻辑性数据的生成、处理及转换。
4)数据访问层。使用高性能、可伸缩的分布式数据库HBase存储和访问大规模结构化和非结构化的煤矿粉尘职业病危害数据。HBase利用Hadoop HDFS作为其文件存储系统，用Hadoop MapReduce来处理HBase中的海量数据，用Zookeeper作为协同服务，达到数据的实时高效访问。
煤矿粉尘在线监测应用系统界面如图10所示。
图10 煤矿粉尘在线监测系统界面
Fig.10 Interface of dust on-line monitoring system for coal mine
4 结 论
1)建立了基于物联网的煤矿粉尘监测云服务平台，采用物联网3层体系结构实现了煤矿粉尘数据的采集、传输和应用。
2)为我国大规模推广煤矿粉尘远程在线监测提供了前期探索，通过平台的长期应用积累职业病危害数据，能够持续跟踪作业工人的累计接尘状况，做到提早预防，降低工人患病风险。
3)探索形成的云服务模式、集成平台系统和监测预警服务，对于提高我国煤矿粉尘在线监测的技术水平、管理水平和服务水平具有重要意义，有望将我国煤矿粉尘监测服务水平推向国际先进行列。
[1] 郭明明, 杨泽军.煤矿粉尘研究现状[J].中州煤炭, 2016(11):46-49.
GUO Mingming, YANG Zejun.Status quo of research of coal mine dust[J].Zhongzhou Coal，2016(11):46-49.
[2] 李华炜.煤矿呼吸性粉尘及其综合控制[J].中国安全科学学报, 2005(7):67-69.
LI Huawei.Comprehensive control of respirable dust in coal mines[J].China Safety Science Journal，2005(7):67-69.
[3] 中国政府网.国家职业病防治规划(2016—2020年)[J].安全, 2017,38(3):53-56.
The Chinese Government Website.National plan for prevention and control of occupational diseases(2016—2020)[J].Safety,2017,38(3):53-56.
[4] 金 鹏.浅谈矿井粉尘危害及防治措施[J].山东煤炭科技, 2017(2):103-105.
JIN Peng.Harm and prevention measures of mine dust[J].Shandong Coal Science and Technology，2017(2):103-105.
[5] 王自亮.粉尘浓度传感器的研制和应用[J].工业安全与环保, 2006, 32(4):24-27.
WANG Ziliang.Research and application of dust concentration sensor[J].Industrial Safety and Environmental Protection, 2006, 32(4):24-27.
[6] 王 杰, 郑林江.煤矿粉尘职业危害监测技术及其发展趋势[J].煤炭科学技术, 2017, 45(11):119-125.
WANG Jie, ZHENG Linjiang.Development tendency and monitoring technology of dust occupational hazard in coal mine[J].Coal Science and Technology,2017, 45(11):119-125.
[7] LEBECKI K, MA
ACHOWSKI M, SOTYSIAK T.Continuous dust monitoring in headings in underground coal mines[J].Journal of Sustainable Mining, 2017, 15 (4):130-138.
[8] LIU W, MINE X C.Comprehensive integration of gas and coal-dust explosion monitoring prevention feasibility study[J].Shandong Coal Science & Technology, 2015(1)：55-60.
[9] LI J Z, CHENG J, JIN X.Research on industrial field diagnostics and management system based on the IoT[J].Applied Mechanics & Materials, 2011, 63/64(10):765-769.
[10] KYUNG Yong R, SEONG Weon C.Management system of occupational diseases in Korea:statistics, report and monitoring system.[J].Journal of Korean Medical Science, 2010, 25(S1):119-126.
[11] XU G, DING Y, ZHAO J, et al.Research on the Internet of things (IoT)[J].Sensors & Transducers, 2013, 160(12):463-471.
[12] 武奇生.物联网技术与应用[M].北京：机械工业出版社, 2016.
[13] YANG Wei, ZHANG Yu, LIU Yang, et al.Constructing of wireless emergency communication system for underground coal mine based on WMN technology[J].Journal of Coal Science and Engineering (China), 2010, 16(4):441-448.
[14] 魏红军.McWiLL宽带无线通信系统在煤炭行业信息化中的应用[J].水力采煤与管道运输, 2014(3):91-93.
WEI Hongjun.Application of McWiLL broadband wireless communication system in coal industry informatization[J].Hydraulic Coal Mining & Pipeline Transportation,2014(3):91-93.
[15] 庞杰文, 谢建林, 李川田,等.大采高综采工作面粉尘分布特征研究[J].煤炭科学技术, 2017, 45(3):78-83.
PANG Jiewen, XIE Jianlin, LI Chuantian, et al.Study on dust distribution features of high cutting fully-mechanized coal mining face[J].Coal Science and Technology，2017, 45(3):78-83.
[16] 马胜利，晋继伟，王 晔.综采工作面呼吸性粉尘分布规律研究[J].煤炭技术，2017，10(4)：149-152.
MA Shengli, JIN Jiwei, WANG Ye.Study on distribution law of respiratory dust in fully-mechanized working face[J].Coal Technology，2017,10(4)：149-152.
[17] 王思其,姚善化.矿井通信的抗干扰技术分析及其应用[J].煤矿机械, 2004,25(10):50-52.
WANG Siqi, YAO Shanhua.Anti-jamming technology and its applications to coal mine communication[J].Coal Mine Machinery, 2004,25(10):50-52.
[18] 陈建武, 王 婧, 李 戬,等.作业场所职业危害基础数据标准设计[J].中国安全生产科学技术, 2009, 5(1):117-120.
CHEN Jianwu, WANG Jing, LI Jian, et al.Design of standard on basic data element for occupational hazard in workplace[J].Journal of Safety Science and Technology, 2009, 5(1):117-120.
[19] 胡 艳.云计算数据安全与隐私保护[J].科技通报, 2013, 29(2):212-214.
HU Yan.Cloud computing data security and privacy protection[J].Bulletin of Science and Technology, 2013, 29(2):212-214.
[20] DALAL N S, NEWMAN J, PACK D, et al.Hydroxyl radical generation by coal mine dust:possible implication to coal workers’ pneumoconiosis (CWP).[J].Free Radical Biology & Medicine, 1995, 18(1):11-20.
